灰色系统理论在煤与瓦斯预测中的应用

将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性.并编制了煤与瓦斯突出预测预报软件,为煤与瓦斯突出预测提供一种新思路和新方法.     

灰色系统理论在煤与瓦斯预测中的应用

将煤体温度变化、电磁辐射、声发射以及煤的破坏类型和煤层的地质构造综合起来考虑,应用灰色系统理论中的多维灰色评估方法,对煤与瓦斯突出灾害进行预测,以提高瓦斯突出预测预报的准确性。并编制了煤与瓦斯突出预测预报软件,为煤与瓦斯突出预测提供一种新思路和新方法。     

基于灰关联分析和神经网络的煤与瓦斯突出预测

应用灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序;选择灰关联分析的5个优势因子作为输入参数,建立了煤与瓦斯突出预测的神经网络模型;用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.结果证明该系统能较准确地预测煤矿的瓦斯突出情况.     

概率神经网络在煤与瓦斯突出中的应用

为准确预测矿井煤与瓦斯突出的危险性,针对小样本情况下BP神经网络泛化能力低的缺点,采用概率神经网络对煤与瓦斯突出的危险性进行预测.该模型的预测准确性高,能有效地预测煤与瓦斯突出的危险性.     

基于GIS的煤与瓦斯突出区域预测的可视化

为了查明矿井地质构造、应力场等突出影响因素与突出危险性之间的内在联系,在GIS技术支持下建立多因素模式识别模型,综合应用VB、MATLAB完成煤与瓦斯突出危险性预测可视化程序的开发.用多因素模式识别概率预测方法进行煤与瓦斯突出危险性的区域预测,划分潘一矿井田的煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性做出评估.实现煤与瓦斯突出预测的可视化管理,提高瓦斯灾害预测的准确性.     

煤与瓦斯突出的构造物理环境及其应用

将构造物理学的理论和方法应用于煤与瓦斯突出预测中,对地质构造控制煤与瓦斯突出机理及分布规律进行了研究,指出煤与瓦斯突出构造物理环境由构造组合特征、构造应力场、构造煤和煤层瓦斯四因素组成,探讨了煤与瓦斯突出构造物理环境各种因素控制突出的机理,提出了煤与瓦斯突出构造物理环境多种因素的综合作用控制地质构造带煤与瓦斯突出,为地质构造突出危险性判定提供了理论依据.工程实践证明,利用煤与瓦斯突出构造物理环境可以对煤与瓦斯突出进行准确地预测.     

煤与瓦斯突出声发射的神经网络预测方法

以自适应神经网络的基本原理为基础,以声发射总事件、大事件、能率时间序列为基础数据,将神经网络模型应用于煤与瓦斯突出危险性预测.应用结果表明,煤与瓦斯突出声发射神经网络预测法具有预测方法简单、准确性高等特点,可应用于工作面煤与瓦斯突出危险性的预测.     

煤与瓦斯突出危险性的灰色综合评价

为了降低煤与瓦斯突出事故的危险性问题,采用灰色综合评价的方法,对煤矿井下不同地点的突出危险性进行了综合评价.结果表明:瓦斯压力、瓦斯放散初速度、煤的坚固性系数和煤的破坏类型可以作为反映煤与瓦斯突出危险的主要指标.依据灰色综合评价的方法,对煤矿井下不同地点的煤与瓦斯突出的危险性进行了排序.该成果对煤矿井下突出事故的防治提供了方向,对于提高煤矿的安全管理水平,预测和防治煤与瓦斯突出事故的发生具有一定的参考价值和指导意义.     

潘一矿煤与瓦斯突出危险性模式识别与概率预测

通过地质动力区划方法确定了区域地质构造背景.在查明多个突出影响因素与突出危险性之间的内在联系的基础上,建立了多因素模式识别模型,确定了煤与瓦斯突出概率预测准则,采用多因素模式识别概率预测方法完成煤与瓦斯突出危险性的区域预测.划分潘一矿井田的煤与瓦斯突出危险区、突出威胁区和无突出危险区,对煤与瓦斯突出危险性做出了评估,提高了瓦斯灾害预测的准确性.     

深井中厚煤层突出预测敏感指标临界值研究

“突出”已成为我国煤矿安全生产的主要隐患之一,“突出”防治成为矿井安全工作的重中之重.采掘工作面突出危险性预测预报敏感指标的确定是矿井综合防突体系中重要的环节,为了有效预测及防治深部矿井工作面采掘过程中煤与瓦斯突出事故,采用理论分析、实验室分析和现场试验相结合的多种研究手段,获得了试验区13 -1煤层突出预测敏感指标及...     

Matlab在工作面煤与瓦斯突出预测中的应用

考虑到煤与瓦斯突出发生的内在机理的复杂性,突出影响因素与突出事件之间的非线性,阐述了人工神经网络的原理和算法,在分析了煤与瓦斯突出的主要影响因素的基础上,依据功能强大的matlab神经网络工具箱,采用BP人工神经网络模型,通过训练得到了影响突出因素与突出事件之间的关系,为突出非线性动力机制及预测提供了新的途径.实例表明,Matlab神经网络工具箱用于煤与瓦斯突出预测是可行的.     

煤与瓦斯突出预测层次分析-模糊综合评判方法

将层次分析和模糊综合评判方法结合起来应用于煤与瓦斯突出预测研究中.运用层次分析法确定了煤与瓦斯突出各影响因素权重系数,采用隶属函数构造了单因素判别矩阵,并运用模糊综合评判法建立了煤与瓦斯突出预测模型. 对平顶山研究区典型工作面进行了瓦斯突出危险性的定量预测和突出等级划分.结果表明,应用层次分析-模糊综合评判方法预测煤与瓦斯突出强度是可行的.     

基于量子免疫遗传算法的煤与瓦斯突出神经网络预测

为了用BP神经网络更准确地预测煤与瓦斯突出危险性,将免疫算法中基于繁殖概率的抗体多样性保持机制引入量子遗传算法(QGA),提出量子免疫遗传算法(QIGA)优化神经网络模型QIGA-BP。模型采用QIGA分别对神经网络的隐含层和连接权值进行全局寻优,以此提高BP网络的搜索效率和泛化能力。以平均影响值分析法筛选的煤与瓦斯突出显著变量作为BP网络的最佳输入参数,分别用QIGA-BP,QGA-BP,免疫遗传优化BP模型和传统BP模型对突出煤层工作面的实例数据进行预测。结果表明,QIGA在BP网络优化过程中具有更好的优化性能,用QIGA-BP模型预测工作面突出危险性具有更好的预测能力和更高的预测准确率。     

瓦斯浓度序列的煤与瓦斯突出预报方法及应用

对监测到的瓦斯浓度序列进行深入研究的基础上,提出了利用瓦斯浓度序列预报煤与瓦斯突出的新方法,设计了突出预报软件,并以某矿实际突出前瓦斯浓度序列进行了验证。结果表明:瓦斯浓度序列在突出发生2h前表现了突出前兆信号,并且随着突出的临近,该信号越来越强。由此可见,该方法是可行的,且能弥补常规预报方法中的不足,使预报更为准确、可靠。     

基于人工神经网络的突出矿井分级方法

应用人工神经网络理论与方法建立了突出矿井分级的BP网络模型 ,并用该模型对部分突出矿井进行了突出危险等级划分尝试。结果表明 ,该方法较为简便、分级可判性强 ,用于突出矿井分级是可行的。     

基于地理信息系统和神经网络的煤与瓦斯突出预警

依据煤与瓦斯突出机理及突出过程物理特征,结合煤矿安全监测系统,提出以瓦斯浓度和煤体温度时间序列的煤与瓦斯突出预警指标,利用GIS技术和人工神经网络建立了煤与瓦斯突出预警模型.某矿17180工作面的预警结果表明:预警模型可以为煤与瓦斯突出预警提供技术支持.     

煤与瓦斯突出的突变学分析

运用突变学理论对煤矿生产中严重的灾害煤与瓦斯突出的突出机理和突出条件进行了定性分析。通过建立煤与瓦斯突出的尖点突变模型,较为直观的对突出的孕育过程和突出过程作出了系统的理论分析,得出了瓦斯突出启动的突变机制和突变条件,从而为煤与瓦斯突出灾害预测与防止提供了新的理论依据。